Pesquisadores da Universidade Duke criaram um modelo de aprendizado de máquina que aprimora a habilidade dos médicos de interpretar gráficos de eletroencefalograma (EEG) em pacientes de terapia intensiva.
Dado que as leituras de EEG são essenciais para detectar riscos de convulsões em pacientes inconscientes, essa inovação tem o potencial de salvar inúmeras vidas anualmente.
Os eletroencefalogramas (EEGs) utilizam sensores fixados no couro cabeludo para captar os sinais elétricos cerebrais, gerando gráficos com ondulações. Durante uma convulsão, esses gráficos exibem flutuações dramáticas, semelhantes às de um sismógrafo em um terremoto, facilitando a identificação. No entanto, eventos que se assemelham a convulsões, embora clinicamente significativos, são substancialmente mais complexos para detectar.
Além da classificação visual, o algoritmo também aponta os padrões nas ondas cerebrais que ele usou para tomar sua decisão e fornece três exemplos de gráficos diagnosticados profissionalmente que ele vê como sendo semelhantes.
Colocando o algoritmo à prova, a equipe colaborativa teve oito profissionais médicos com experiência relevante categorizando 100 amostras de EEG nas seis categorias, uma vez com a ajuda da IA e outra sem. O desempenho de todos os participantes melhorou significativamente, com a precisão geral aumentando de 47% para 71%. Seu desempenho também superou aqueles que usaram um algoritmo “caixa preta” semelhante em um estudo anterior.
A introdução da inteligência artificial na interpretação de eletroencefalogramas representa um avanço significativo na medicina. A colaboração entre profissionais da saúde e especialistas em ciência da computação possibilitou melhorias substanciais na precisão e na compreensão do diagnóstico, o que tem o potencial de impactar positivamente a identificação precoce de convulsões em pacientes inconscientes. A integração eficaz da IA com a expertise médica é promissora e oferece novas perspectivas para o campo da medicina intensiva.
Fonte: Link.
